- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
pycharm帮助文档_pycharm pytorch
大家在利用python进行机器学习时，pycharm是一个很不错的IDE。通过这段时间的使用，自己总结了一些使用心得，故试着写下来共勉，不当之处，希望正在阅读的你批评指正。
2.6K30编辑于 2022-09-27 如何部署 PyTorch 模型
使用 PyTorch 训练好了模型，如何部署到生产环境提供服务呢？ TorchServe 是 PyTorch 官方开发的开源工具，源码地址 https://github.com/pytorch/serve 官方给出的描述是： A flexible and easy to use tool for serving PyTorch models 从描述中就可知道 TorchServe 是用来部署 PyTorch 模型的，而它的特点是「可扩展性」和「易用性」。 感兴趣可以参考 TorchServe 的文档 https://github.com/pytorch/serve/blob/master/docs/README.mdgithub.com/pytorch 下面简单描述一下用 TorchServe 部署模型的几个步骤，你也可以参考笔者的 MNIST 完整 demo，地址为： https://github.com/louis-she/torch-serve-mnistgithub.com
23110编辑于 2025-12-16- 来自专栏TCR实践
Harbor边缘部署文档
access_secret 仓库access_key 仓库状态 仓库状态 仓库名称 在Harbor中仓库的唯一ID 仓库credential类型 仓库access_secret 仓库access_key Harbor边缘部署文档 tls.key /etc/docker/certs.d/yourdomain.com/ cp ca.crt /etc/docker/certs.d/yourdomain.com/ 使用边缘Harbor部署工作负载
1.7K30编辑于 2022-03-06 - 来自专栏开源部署
MetaQ安装部署文档
一．MetaQ安装部署情况： 地点 IP Broker ID Master/Slave Slave ID:Group 合肥 192.168.52.23 1 Slave 1:meta-slave-group-hf 部署 解压tar zxvfmetaq-server-1.4.6.2.tar.gz，将解压出来的taobao/metamorphosis-server-wrapper文件夹移动到/usr/lib下，并重命名为
73410编辑于 2022-06-28 - 来自专栏计算机视觉战队
模型部署：pytorch转onnx部署实践（下）
在深度学习模型部署时，从pytorch转换onnx的过程中，踩了一些坑。本文总结了这些踩坑记录，希望可以帮助其他人。 在上一次分享的时候，我们已经撰写了pth转onnx的过程及一些部署过程，今天我们继续分享整个部署过程遇到的坑及解决办法！ （点击上方图片就可以进入《模型部署：pytorch转onnx踩坑实录（上）》） onnxruntime支持3维池化和3维卷积 在上次讲到opencv不支持3维池化，那么onnxruntime是否支持呢？ 查看nn.MaxPool3d的说明文档，截图如下，可以看到它的输入和输出是5维张量，于是修改上面的代码，把输入调整到5维张量。 查看cv2.dnn.blobFromImage这个函数的说明文档，截图如下，可以看到它的输入image是4维的，这说明它不支持5维的输入。
2.5K20编辑于 2022-01-28 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：CUDA 语义
torch.cuda 用于设置和运行 CUDA 操作。它会跟踪当前选定的GPU，并且默认情况下会在该设备上创建您分配的所有 CUDA tensors。可以使用 torch.cuda.device 上下文管理器更改所选设备。
43420编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：Windows FAQ
译者：冯宝宝 从源码中构建 包含可选组件 Windows PyTorch有两个受支持的组件：MKL和MAGMA。 以下是使用它们构建的步骤。
29710编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：torchvision 参考
torchvision 包收录了若干重要的公开数据集、网络模型和计算机视觉中的常用图像变换
37510编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：Torch 脚本
译者：keyianpai 创建 Torch 脚本代码 将追踪和脚本化结合起来 Torch 脚本语言参考 类型 表达式 语句 变量解析 python值的使用 调试 内置函数 Torch脚本是一种从PyTorch 这使得我们可以使用熟悉的工具在PyTorch中训练模型，而将模型导出到出于性能和多线程原因不能将模型作为Python程序运行的生产环境中去。
61530编辑于 2022-05-07 - 来自专栏飞鸟的专栏
Kafka集群部署文档
/local/kafka/bin/kafka-server-start.sh /usr/local/kafka/config/server.properties & 现在，我们的Kafka集群已经成功部署了 现在，我们已经成功地部署了Kafka集群，并使用Kafka提供的命令行工具测试了它的功能。
88330编辑于 2023-03-28 - 来自专栏信数据得永生
PyTorc 1.0 中文文档：扩展PyTorch
另外，请参阅Function文档查找只能被forward()调用的有用方法的说明。 backward() - 计算梯度的公式.
27910编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：广播语义
译者：冯宝宝 许许多多的PyTorch操作都支持NumPy Broadcasting Semantics。 简而言之，如果PyTorch操作支持广播，那么它的Tensor参数可以自动扩展为相同的类型大小（不需要复制数据）。
31520编辑于 2022-05-07 如何部署自己的模型：Pytorch模型部署实践
Pytorch是一个广泛使用的深度学习框架，但是在将模型部署到生产环境中时，需要注意一些细节和技巧。本文将讨论一些Pytorch模型部署的最佳实践。 选择合适的部署方式 在部署Pytorch模型之前，需要选择合适的部署方式。一种常见的方式是使用Flask或Django等Web框架将模型封装成API，以供其他应用程序调用。 另一种方式是使用TorchScript将Pytorch模型转换为可部署的格式。 有关如何使用LibTorch加载和运行TorchScript模型的详细信息，请参阅Pytorch官方文档。 希望这个示例能够帮助您将Pytorch模型编译为可在C++等其他语言中运行的格式。 结语 本文介绍了Pytorch模型部署的最佳实践。
38610编辑于 2025-12-16- 来自专栏DeepHub IMBA
使用Flask快速部署PyTorch模型
今天我将通过一个简单的案例：部署一个PyTorch图像分类模型，介绍这个最重要的步骤。 我们这里使用PyTorch和Flask。 现在我们可以运行python app.py，如果没有问题，你可以访问http://localhost:5000/，应该会看到一条简单的消息——“Welcome to the PyTorch Flask <html> <head> <title>PyTorch Image Classification</title> </head> <body>
PyTorch 以上都是基本的web应用的内容，下面就是要将这个web应用和我们的pytorch模型的推理结合。 加载模型 在home route上面，加载我们的模型。 就是这样只要5分钟，我们就可以成功地部署一个ML模型。 作者：Daniel Korsz
1.9K40编辑于 2023-02-01 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：torch.hub
比方说: ‘pytorch/vision[:hub]’ model – 必须，一个字符串对象，名字在hubconf.py中定义。 force_reload – 可选， 是否丢弃现有缓存并强制重新下载。
62520编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：torch.cuda
这个包添加了对CUDA张量类型的支持，它实现了与CPU张量同样的功能，但是它使用GPU进计算。
57710编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：torch.distributed
仅当用于构建PyTorch的实现支持时，MPI才支持CUDA。 后端gloompinccl设备CPUGPUCPU————发送✓✘✓接收✓✘✓广播✓✓✓all_reduce✓✓✓reduce✓✘✓all_gather✓✘✓收集✓✘✓分散✓✘✓屏障✓✘✓ PyTorch 附带的后端 目前PyTorch分发版仅支持Linux。 默认情况下，Gloo和NCCL后端构建并包含在PyTorch的分布之中（仅在使用CUDA构建时为NCCL）。MPI是一个可选的后端，只有从源代码构建PyTorch时才能包含它。 （例如，在安装了MPI的主机上构建PyTorch） 哪个后端使用？ 在过去，我们经常被问到：“我应该使用哪个后端？”。 经验法则 使用NCCL后端进行分布式 GPU 训练。
82120编辑于 2022-05-07 - 来自专栏飞鸟的专栏
etcd集群原理，部署文档
本文将介绍etcd集群的原理和部署文档。etcd集群原理etcd是一个强一致性的系统，它采用Raft协议作为一致性算法。 etcd集群部署文档etcd集群可以在多台服务器上部署，以保证高可用性。下面是etcd集群的部署文档：步骤1：安装etcd在所有节点上安装etcd，可以从etcd官网下载二进制文件进行安装。 要部署etcd集群，需要在每个节点上安装etcd软件，并创建etcd配置文件，指定节点的IP地址、端口号、数据存储目录和集群配置。
2K20编辑于 2023-03-27 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：torchvision.utils
译者：BXuan694 torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False, pad_value=0) 把图片排列成网格形状。 参数： tensor（Tensor 或 list）– 四维批（batch）Tensor或列表。如果是Tensor，其形状应是（B x C x H x W）；如果是列表，元素应为相同大小的图片。 nrow（int, 可选）– 最终展示
28830编辑于 2022-05-07 - 来自专栏信数据得永生
PyTorch 1.0 中文文档：torchvision.transforms
transforms包含了一些常用的图像变换，这些变换能够用Compose串联组合起来。另外，torchvision提供了torchvision.transforms.functional模块。functional可以提供了一些更加精细的变换，用于搭建复杂的变换流水线（例如分割任务）。
25010编辑于 2022-05-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号